【技术实现步骤摘要】
一种用于几何自适应的非结构网格自动生成的方法及装置
[0001]本专利技术涉及数据分析领域中的非结构网格自动生成技术,尤其涉及一种利用深度学习方法生成几何自适应的非结构网格方法
。
技术介绍
[0002]计算建模与仿真是现代科学研究中的一个关键方面,包括从计算机图形学到物理现象的复杂数值模拟等
。
这些数值计算建模技术基于底层几何的离散化表示,其中感兴趣的域被划分为由简单元素构成的网格
。
网格通过底层拓扑结构分为结构网格与非结构网格
。
结构网格通常限制在简单几何域上指定问题的使用,与结构网格不同的是非结构化网格提供了更大的几何灵活性
。
[0003]非结构网格生成技术主要涉及高效与自动算法的发展,以构建复杂物体和领域的高质量网格
。
非结构网格生成技术主要分为三类:
1、
网格覆盖方法,基于底层的结构网格,修剪和扭曲结构化覆盖网格的元素,以符合划分域的几何形状,通常以四
/
八叉树构建覆盖网格;
2、
前沿推进方法,在待划分域边界上初始化,通过添加与前沿相邻接的节点来一层一层添加网格单元,并逐渐向推进,直至划分完待划分域;
3、Delaunay
剖分方法,构建初始符合几何形状的约束
Delaunay
网格,通过细化策略逐渐添加新的顶点到域的内部,直到形成合适的三角剖分
。
[0004]网格尺寸分布是控制生成的网格符合划分域几何特征的 ...
【技术保护点】
【技术特征摘要】
1.
一种用于几何自适应的非结构网格自动生成的方法,其特征在于,包括:
S1、
初始化待划分计算域的几何外形;
S2、
针对所述待划分计算域的几何外形,构建训练样本数据库;
S3、
建立深度网络模型,所述深度网络模型包括两个条件生成器和两个多尺度条件判别器;
S4、
利用所述训练样本数据库训练所述深度学习网络模型;
S5、
利用训练后的深度学习模型,生成对应所述待划分计算域的几何外形的网格尺寸分布;
S6、
利用所述网格尺寸分布生成所述待划分计算域的非结构计算网格
。2.
根据权利要求1所述的方法,其特征在于,所述待划分计算域的几何外形,包括:简单多边形类的基础几何外形,用于表示外形差异的参数包括大小
、
形状
、
方向和位置
。3.
根据权利要求1所述的方法,其特征在于,在
S2
中,包括:通过
Eikonal
方程得到符号距离,其中,以所述符号距离作为几何外形的隐式表示;构建点源泊松方程并计算得网格尺寸分布,并将所得到的符号距离与网格尺寸分布构成一对训练样本,并存入训练样本数据库
。4.
根据权利要求3所述的方法,其特征在于,所述通过
Eikonal
方程得到符号距离,包括:通过计算符号距离函数,并将结果作为所述符号距离,其中,
Ω
表示几何划分域,
Γ
表示几何划分域边界
,d
Ω
表示符号距离,并且
v
表示边界沿局部法线方向的演变速度,
u
为封闭曲线的演变函数
。5.
根据权利要求3或4所述的方法,其特征在于,所述构建点源泊松方程并计算得网格尺寸分布,包括:通过点源泊松方程:获取网格尺寸分布
S
,其中,
(x
n
,y
n
)
表示第
n
个点源的位置,
n
为正整数,表示微分算子,
N
表示点源的数量,
i
表示背景网格上的节点索引,
ψ
n
表示每个点源的权重因子,
J
n
表示背景网格处的尺寸值与到第
n
个点源的欧式距离成反比,
I
n
表示与到第
n
个点源的欧式距离成反比,
r
n
表示到第
n
个点源的欧式距
离,
S
n
表示在第
n
个点源处的网格尺寸值,
x
i
表示背景网格上第
i
个节点的
x
坐标,
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。